1

嗨，我是小玖。

2

最近，中國科學(xué)院自動(dòng)化研究所曾毅研究員領(lǐng)銜的科研團(tuán)隊(duì)在人工智能領(lǐng)域掀起了一場思想風(fēng)暴。

3

他們所研發(fā)的“多房室脈沖神經(jīng)元”類腦架構(gòu)，不僅有效克服了傳統(tǒng)脈沖神經(jīng)網(wǎng)絡(luò)長期存在的信息遺忘難題，更首次賦予其模擬未來情境的高級(jí)認(rèn)知功能。

4

這項(xiàng)成果遠(yuǎn)非一次常規(guī)的技術(shù)迭代，而是從神經(jīng)計(jì)算底層邏輯出發(fā)的一次根本性重構(gòu)，為高能效智能系統(tǒng)的發(fā)展開辟了全新路徑，并對(duì)整個(gè)AI生態(tài)產(chǎn)生廣泛而深刻的影響。

5

6

技術(shù)層面：打破“簡化魔咒”

7

長期以來，脈沖神經(jīng)網(wǎng)絡(luò)的研究受限于對(duì)真實(shí)神經(jīng)元結(jié)構(gòu)的高度抽象與簡化。

8

經(jīng)典模型往往將神經(jīng)元簡化為單一的功能節(jié)點(diǎn)，僅支持基本的信號(hào)接收與發(fā)放，忽略了生物大腦中樹突分支所承擔(dān)的復(fù)雜非線性運(yùn)算和記憶保持作用。

9

這種結(jié)構(gòu)性缺失正是導(dǎo)致其難以處理長序列任務(wù)、缺乏持續(xù)推理能力的根本所在。

10

曾毅團(tuán)隊(duì)的關(guān)鍵突破，正在于徹底顛覆了這一延續(xù)多年的建模范式。

11

研究者通過精細(xì)重構(gòu)神經(jīng)元內(nèi)部的空間組織，在數(shù)字環(huán)境中成功復(fù)現(xiàn)了細(xì)胞體、基底樹突以及頂樹突等關(guān)鍵功能區(qū)，構(gòu)建出具備多分區(qū)特性的“多房室脈沖神經(jīng)元”計(jì)算單元。

12

這一從“點(diǎn)狀單元”向“樹狀結(jié)構(gòu)”的躍遷，不僅是形態(tài)上的還原，更是計(jì)算機(jī)制的本質(zhì)升級(jí)。

13

數(shù)字化實(shí)現(xiàn)的樹突結(jié)構(gòu)如同微型信息蓄水池，能夠動(dòng)態(tài)存儲(chǔ)過往輸入的關(guān)鍵特征，從而天然具備長時(shí)間跨度的信息保持能力。

14

團(tuán)隊(duì)開展的系統(tǒng)性消融實(shí)驗(yàn)證明，基底樹突負(fù)責(zé)循環(huán)輸入的整合處理，頂樹突則調(diào)節(jié)興奮性響應(yīng)強(qiáng)度，二者協(xié)同運(yùn)作是實(shí)現(xiàn)未來狀態(tài)預(yù)測的核心動(dòng)力，無法通過單純?cè)黾訁?shù)或調(diào)整權(quán)重來復(fù)制。

15

該進(jìn)展的重大意義在于，首次建立了微觀神經(jīng)動(dòng)力學(xué)與宏觀認(rèn)知行為之間的可計(jì)算橋梁。

16

過去，類腦計(jì)算研究常陷入兩難境地：要么專注于單個(gè)神經(jīng)元的逼真模擬，卻無法擴(kuò)展至復(fù)雜認(rèn)知；要么追求高層任務(wù)表現(xiàn)，卻脫離生物學(xué)基礎(chǔ)。

17

而主流深度神經(jīng)網(wǎng)絡(luò)雖然能在圖像識(shí)別、語言生成等任務(wù)上表現(xiàn)出色，但依賴海量計(jì)算資源驅(qū)動(dòng)。

18

曾毅團(tuán)隊(duì)的工作首次證明，脈沖神經(jīng)網(wǎng)絡(luò)可以在極低能耗條件下，完成環(huán)境演化預(yù)測、未來場景構(gòu)想等原本屬于高級(jí)智能范疇的任務(wù)。

19

這填補(bǔ)了類腦智能在高階認(rèn)知能力方面的長期空白，為下一代AI系統(tǒng)提供了兼具生物合理性和工程可行性的全新架構(gòu)藍(lán)本。

20

21

拓寬AI落地場景邊界

22

當(dāng)前人工智能產(chǎn)業(yè)面臨一個(gè)核心瓶頸：高性能往往意味著高功耗。

23

以ChatGPT為代表的大型語言模型盡管展現(xiàn)出強(qiáng)大的通用能力，但其運(yùn)行需依托龐大的數(shù)據(jù)中心，堪稱“電力消耗大戶”。

24

這種高能耗特性嚴(yán)重制約了其在移動(dòng)終端、無人設(shè)備、邊緣計(jì)算等能源受限環(huán)境中的部署潛力。

25

而曾毅團(tuán)隊(duì)提出的解決方案，正為此類矛盾提供了一條極具前景的技術(shù)路線。

26

他們構(gòu)建的全脈沖域“世界模型”，使智能體能夠在純脈沖信號(hào)驅(qū)動(dòng)下完成對(duì)外部環(huán)境的建模與未來狀態(tài)推演，無需切換至傳統(tǒng)浮點(diǎn)運(yùn)算模式。

27

實(shí)際測試顯示，該模型在視覺控制、語音時(shí)序建模等多項(xiàng)任務(wù)中全面超越現(xiàn)有先進(jìn)的脈沖遞歸網(wǎng)絡(luò)，甚至在部分語音任務(wù)中性能比肩經(jīng)典的門控循環(huán)單元（GRU），實(shí)現(xiàn)了“節(jié)能型架構(gòu)”媲美“高性能引擎”的跨越式進(jìn)步。

28

這種在低功耗前提下達(dá)成高水平智能的能力，徹底扭轉(zhuǎn)了業(yè)界關(guān)于“高效能必然犧牲智能水平”的固有認(rèn)知。

29

從應(yīng)用維度來看，這項(xiàng)技術(shù)有望極大拓展人工智能的實(shí)際使用范圍。

30

例如，自動(dòng)駕駛車輛不再需要搭載昂貴且耗電的GPU集群，便可借助低功耗類腦芯片實(shí)現(xiàn)連續(xù)的路況預(yù)判與決策規(guī)劃。

31

野外作業(yè)機(jī)器人可在電池容量有限的情況下，穩(wěn)定執(zhí)行地形分析、障礙規(guī)避和路徑重規(guī)劃等復(fù)雜操作。

32

可穿戴健康監(jiān)測設(shè)備也能在維持超低功耗的同時(shí)，提供更精準(zhǔn)的生命體征預(yù)警與情境適應(yīng)能力。

33

正如曾毅研究員指出，團(tuán)隊(duì)正致力于推動(dòng)類腦系統(tǒng)在“感知—學(xué)習(xí)—決策—行動(dòng)”閉環(huán)中的全鏈條進(jìn)化，這一方向無疑將加速人工智能從理論探索走向真實(shí)世界的規(guī)?；涞亍?/p>

34

對(duì)于整個(gè)行業(yè)而言，此次突破或?qū)⒋呱粭l全新的技術(shù)賽道。

35

未來圍繞多房室神經(jīng)元模型的優(yōu)化設(shè)計(jì)、專用類腦芯片的流片制造、特定應(yīng)用場景的適配開發(fā)等領(lǐng)域，預(yù)計(jì)將吸引大量學(xué)術(shù)機(jī)構(gòu)與企業(yè)投入，逐步形成“基礎(chǔ)理論—核心技術(shù)—產(chǎn)業(yè)轉(zhuǎn)化”的完整創(chuàng)新鏈條。

36

同時(shí)，這也為中國在全球人工智能競爭格局中塑造差異化優(yōu)勢提供了堅(jiān)實(shí)支撐。

37

38

曾毅團(tuán)隊(duì)的這項(xiàng)成就不僅代表一次關(guān)鍵技術(shù)飛躍，更傳遞出一種嶄新的智能發(fā)展哲學(xué)：通往強(qiáng)人工智能的道路，并不只有堆疊算力這一條途徑。

39

深入理解生命系統(tǒng)的運(yùn)作智慧，借鑒大腦的高效計(jì)算原理，發(fā)展出兼具高智能與低能耗的綠色AI體系，或許才是真正通向人機(jī)協(xié)同共進(jìn)的可持續(xù)未來。

40

而這一由中國科研團(tuán)隊(duì)主導(dǎo)的重要發(fā)現(xiàn)，也正在為全球人工智能的技術(shù)演進(jìn)注入前所未有的動(dòng)能與多樣性可能。

41

信息來源

42

澎湃新聞2025-07-14 07:21研究表明腦機(jī)通過釋放電脈沖可顯著提升大腦認(rèn)知功能

43

中國科學(xué)院自動(dòng)化研究所

44

《自然·通訊》論文鏈接

45